一种基于大数据的风险信息监控方法及系统技术方案

本发明专利技术涉及风险监控技术领域，具体公开了一种基于大数据的风险信息监控方法及系统，所述方法包括实时获取区域内各点位的环境参数，根据所述环境参数定时更新风险表；根据所述风险表随机生成风险图层，叠加所述风险图层和预设的基准图层，得到风险图像；查询监控系统的监控参数，根据所述监控参数生成区域图像；基于风险图像对区域图像进行匹配，得到匹配度数组；根据所述匹配度数组对区域图像进行风险定位。本发明专利技术根据传感器实时获取环境参数，由环境参数确定风险参数，并以图层的形式进行定时更新保存；根据保存的图层，确定图像特征，基于图像特征即可快速地判断是否存在风险，再结合现有的匹配技术，可以高效率的定位风险类型及其位置。其位置。其位置。

【技术实现步骤摘要】
一种基于大数据的风险信息监控方法及系统


[0001]本专利技术涉及风险监控
，具体是一种基于大数据的风险信息监控方法及系统。

技术介绍

[0002]区域监控技术是一项基于物联网技术的具体应用，它可以适用于多种生活生产领域中，因此，其重要性非常高。
[0003]区域监控技术的目标是识别风险信息，现在的识别算法大都是针对图像自身的识别算法，通过庞大的数据库，提高对各个图像的识别准确度与识别效率，这一过程中，识别算法处于封装状态，是一种静态算法，更新难度较大，很难根据实际情况实时改变；如何提供一种易于更新且与时俱进的风险识别技术是本专利技术技术方案想要解决的技术问题。

技术实现思路

[0004]本专利技术的目的在于提供一种基于大数据的风险信息监控方法及系统，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于大数据的风险信息监控方法，所述方法包括：
[0007]根据传感器实时获取区域内各点位的环境参数，根据所述环境参数定时更新风险表；所述风险表包括风险特征项及其风险概率项；
[0008]根据所述风险表随机生成风险图层，叠加所述风险图层和预设的基准图层，得到风险图像；所述基准图层由区域地图确定；所述风险图像的数量至少为一；
[0009]查询监控系统的监控参数，根据所述监控参数生成区域图像；所述区域图像与所述风险图像间存在映射关系；
[0010]基于风险图像对区域图像进行匹配，得到匹配度数组；所述匹配度数组的元素数量与风险图像的数量相同；
[0011]根据所述匹配度数组对区域图像进行风险定位。
[0012]作为本专利技术进一步的方案：所述根据传感器实时获取区域内各点位的环境参数，根据所述环境参数定时更新风险表的步骤包括：
[0013]根据预设的备案信息查询传感器的安装点位；
[0014]获取传感器的传感数据，根据传感器类型对传感数据进行分类；
[0015]根据所述安装点位排列传感数据，得到环境矩阵；所述环境矩阵以传感器类型为标签；
[0016]将所述环境矩阵输入训练好的环境识别模型，得到风险特征及其风险概率；所述风险特征为与风险类型对应的图像特征；
[0017]统计所述风险特征及其风险概率，得到风险表；
[0018]其中，所述环境识别模型基于预统计的大数据样本定时更新；环境识别模型的输
入为矩阵，输出为风险特征及其风险概率。
[0019]作为本专利技术进一步的方案：所述根据所述风险表随机生成风险图层，叠加所述风险图层和预设的基准图层，得到风险图像的步骤包括：
[0020]根据风险概率对风险表中的风险特征进行排序；
[0021]根据预设的概率范围对风险特征进行聚类；
[0022]读取基准图层，基于所述基准图层确定聚类后的风险特征的风险图层；
[0023]基于所述基准图层叠加所有风险图层，得到风险图像；
[0024]其中，不同风险图层的风险特征之间的交集为零。
[0025]作为本专利技术进一步的方案：所述基于风险图像对区域图像进行匹配，得到匹配度数组的步骤包括：
[0026]计算风险图像的特征值；所述特征值包括亮度特征值、对比度特征值和结构特征值；
[0027]基于同一计算模型实时计算区域图像的特征值；
[0028]根据预设的结构相似式公式计算所述风险图像和所述区域图像的匹配度，得到匹配度数组。
[0029]作为本专利技术进一步的方案：所述结构相似式公式为：
[0030]s(x，y)＝[1(x，y)]α
·
[d(x，y)]β
·
[j(x，y)]γ
[0031]所述亮度特征值的计算公式为：
[0032][0033]所述对比度特征值的计算公式为：
[0034][0035]所述结构特征值的计算公式为：
[0036][0037]式中，x和y分别为风险图像和区域图像；l(x，y)为亮度特征值，d(x，y)为对比度特征值，j(x，y)为结构特征值，s(x，y)为匹配度；μ
x
为风险图像中各像素点的色值均值，σ
x
为风险图像中各像素点的色值标准差；μ
y
为区域图像中各像素点的色值均值，σ
y
为区域图像中各像素点的色值标准差；σ
xy
为风险图像和区域图像的协方差；C1、C2和C3均为预设的常数；α、β和γ均为预设的常数。
[0038]作为本专利技术进一步的方案：所述根据所述匹配度数组对区域图像进行风险定位的步骤包括：
[0039]根据预设的匹配阈值对所述匹配度数组进行数值提取，并定位对应的风险图像；
[0040]根据风险图像的匹配度确定随机选取规则，基于所述随机选取规则在风险图像中选取风险特征；所述随机选取规则包含单次选取数量及目标选取数量；
[0041]根据所述风险特征遍历所述区域图像，根据遍历结果标记风险特征，获取风险特
征的位置并记录标记数量；
[0042]当所述标记数量达到所述目标选取数量时，输出风险特征及其位置。
[0043]本专利技术技术方案还提供了一种基于大数据的风险信息监控系统，所述系统包括：
[0044]风险表更新模块，用于根据传感器实时获取区域内各点位的环境参数，根据所述环境参数定时更新风险表；所述风险表包括风险特征项及其风险概率项；
[0045]风险图像生成模块，用于根据所述风险表随机生成风险图层，叠加所述风险图层和预设的基准图层，得到风险图像；所述基准图层由区域地图确定；所述风险图像的数量至少为一；
[0046]区域图像获取模块，用于查询监控系统的监控参数，根据所述监控参数生成区域图像；所述区域图像与所述风险图像间存在映射关系；
[0047]匹配度计算模块，用于基于风险图像对区域图像进行匹配，得到匹配度数组；所述匹配度数组的元素数量与风险图像的数量相同；
[0048]风险定位模块，用于根据所述匹配度数组对区域图像进行风险定位。
[0049]作为本专利技术进一步的方案：所述风险表更新模块包括：
[0050]安装点位查询单元，用于根据预设的备案信息查询传感器的安装点位；
[0051]数据分类单元，用于获取传感器的传感数据，根据传感器类型对传感数据进行分类；
[0052]环境矩阵生成单元，用于根据所述安装点位排列传感数据，得到环境矩阵；所述环境矩阵以传感器类型为标签；
[0053]风险识别单元，用于将所述环境矩阵输入训练好的环境识别模型，得到风险特征及其风险概率；所述风险特征为与风险类型对应的图像特征；
[0054]数据统计单元，用于统计所述风险特征及其风险概率，得到风险表；
[0055]其中，所述环境识别模型基于预统计的大数据样本定时更新；环境识别模型的输入为矩阵，输出为风险特征及其风险概率。...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的风险信息监控方法，其特征在于，所述方法包括：根据传感器实时获取区域内各点位的环境参数，根据所述环境参数定时更新风险表；所述风险表包括风险特征项及其风险概率项；根据所述风险表随机生成风险图层，叠加所述风险图层和预设的基准图层，得到风险图像；所述基准图层由区域地图确定；所述风险图像的数量至少为一；查询监控系统的监控参数，根据所述监控参数生成区域图像；所述区域图像与所述风险图像间存在映射关系；基于风险图像对区域图像进行匹配，得到匹配度数组；所述匹配度数组的元素数量与风险图像的数量相同；根据所述匹配度数组对区域图像进行风险定位。2.根据权利要求1所述的基于大数据的风险信息监控方法，其特征在于，所述根据传感器实时获取区域内各点位的环境参数，根据所述环境参数定时更新风险表的步骤包括：根据预设的备案信息查询传感器的安装点位；获取传感器的传感数据，根据传感器类型对传感数据进行分类；根据所述安装点位排列传感数据，得到环境矩阵；所述环境矩阵以传感器类型为标签；将所述环境矩阵输入训练好的环境识别模型，得到风险特征及其风险概率；所述风险特征为与风险类型对应的图像特征；统计所述风险特征及其风险概率，得到风险表；其中，所述环境识别模型基于预统计的大数据样本定时更新；环境识别模型的输入为矩阵，输出为风险特征及其风险概率。3.根据权利要求1所述的基于大数据的风险信息监控方法，其特征在于，所述根据所述风险表随机生成风险图层，叠加所述风险图层和预设的基准图层，得到风险图像的步骤包括：根据风险概率对风险表中的风险特征进行排序；根据预设的概率范围对风险特征进行聚类；读取基准图层，基于所述基准图层确定聚类后的风险特征的风险图层；基于所述基准图层叠加所有风险图层，得到风险图像；其中，不同风险图层的风险特征之间的交集为零。4.根据权利要求1所述的基于大数据的风险信息监控方法，其特征在于，所述基于风险图像对区域图像进行匹配，得到匹配度数组的步骤包括：计算风险图像的特征值；所述特征值包括亮度特征值、对比度特征值和结构特征值；基于同一计算模型实时计算区域图像的特征值；根据预设的结构相似式公式计算所述风险图像和所述区域图像的匹配度，得到匹配度数组。5.根据权利要求4所述的基于大数据的风险信息监控方法，其特征在于，所述结构相似式公式为：s(x，y)＝[I(x，y)]
α
·
[d(x,y)]
β
·
[j(x，y)]
γ
所述亮度特征值的计算公式为：
所述对比度特征值的计算公式为：所述结构特征值的计算公式为：式中，x和y分别为风险图像和区域图像；l(x,y)为亮度特征值，d(x,y)为对比度特征值，j(x,y)为结构特征值，s(x,y)为匹配度；μ
x
为风险图像中各像素点的色值均值，σ
x
为风险图像中各像素点的色值标准差；μ
y
为区域图像中各像素点的色值均值，σ
y
为区域图像中各像素点的色值标准差；...

【专利技术属性】
技术研发人员：卢雪平，翟金伶，
申请(专利权)人：北京前往科技有限公司，
类型：发明
国别省市：